【CS】尺度不变特征变换匹配算法SIFT
来源:互联网 发布:excel 2010 vba编程 编辑:程序博客网 时间:2024/06/07 15:12
尺度不变特征变换匹配算法SIFT
e-mail:chentravelling@163.com
SIFT算法
SIFT算法即尺度不变特征转换(Scale-invariant feature transform),本文重点不阐述该算法的原理,想要了解原理的朋友可以参考另一篇比较详细的CSDN文章(戳这里查看),该篇文章讲述的比较详细。
SIFT算法主要分为五个步骤:
(1)建立尺度空间,检测图像极值点:通过高斯微分函数建立尺度空间,通过高斯差分尺度空间(DoG scale-space)检测图像局部极值点。
(2)去除不稳定点,确定关键点:不稳定点主要为不稳定的边缘点和低对比度的关键点,Dacid G.Lowe通过拟合二阶微分方程的方法排除低对比度点,同时可采用Harris角点检测方法去除不稳定的边缘点。
(3)确定关键点的方向:主要原理是统计关键点领域所有的梯度方向直方图,以直方图中最大值作为该关键点的主方向,同时为了提高后续匹配的鲁棒性,将直方图中峰值超过主峰80%的方向作为该关键点的辅方向。
(4)提取关键点描述符
(5)关键点匹配:才用特征向量之间的欧氏距离评估关键点之间的相似性程度。那么这里会通过一个预设的阈值进行过滤,阈值的设置直接影响到匹配点的数量和精确性。一般阈值的选择为0.7~0.8之间。
为了更好的看到SIFT算法的效果,可以实践一下。
C++代码
环境:vs2010+opencv2.3.1+win7 ×64
#include <opencv2/opencv.hpp>#include <istream>using namespace std;using namespace cv;int main(){//read the two input imagesMat image1 = imread("image1.jpg");Mat image2 = imread("image2.jpg");//if failedif(image1.empty()||image2.empty()){cout<<"error,the image is not exist"<<endl;return -1;}//difine a sift detectorSiftFeatureDetector siftDetector;//store key pointsvector<KeyPoint> keypoint1,keypoint2;//detect image with SIFT,get key pointssiftDetector.detect(image1,keypoint1);Mat outImage1;//draw key points at the out image and show to the userdrawKeypoints(image1,keypoint1,outImage1,Scalar(255,0,0));imshow("original_image1",image1);imshow("sift_image1",outImage1);Mat outImage2;siftDetector.detect(image2,keypoint2);drawKeypoints(image2,keypoint2,outImage2,Scalar(255,0,0));imshow("sift_image2.jpg",outImage2);//imwrite("sift_result2.jpg",outImage2);//store 10 keypoints in order to watch the effect clearlyvector<KeyPoint> keypoint3,keypoint4;for(int i=0;i<10;i++){keypoint3.push_back(keypoint1[i]);keypoint4.push_back(keypoint2[i]);}// difine a sift descriptor extractorSiftDescriptorExtractor extractor;//store the descriptor of each imageMat descriptor1,descriptor2;BruteForceMatcher<L2<float>> matcher;vector<DMatch> matches;Mat img_matches;//compute the descriptor of each imageextractor.compute(image1,keypoint3,descriptor1);extractor.compute(image2,keypoint4,descriptor2);//matchmatcher.match(descriptor1,descriptor2,matches);//show the resultdrawMatches(image1,keypoint3,image2,keypoint4,matches,img_matches,Scalar(255,0,0));imshow("matches",img_matches);//store the match_image//imwrite("matches.jpg",img_matches);waitKey(0);return 0;}
运行效果
依次为:原图,原图sift后,原图经缩放旋转再sift后,匹配结果
为了清晰看出匹配点之间的连线关系,程序中只是从每一幅图的SIFT关键点中选择了10个关键点,而且是下标相对应的10个点,从理论上来讲,可能存在一些问题,就是这些点实际上本就不是对应的匹配点,所以可能这也是造成匹配结果有误的原因。
那么如果我们把所有的关键点都进行匹配,效果如下:
依次为:原图和原图&缩放旋转后匹配,原图和原图&缩放后匹配。
从这两张匹配后的图中也可以看出,同样是存在错误匹配的。
0 0
- 【CS】尺度不变特征变换匹配算法SIFT
- 【CS】尺度不变特征变换匹配算法SIFT(2)
- SIFT尺度不变特征变换匹配算法
- 【CS】尺度不变特征变换匹配算法SIFT(3):RANSAC剔除错误匹配点
- 尺度不变特征变换匹配算法 SIFT算法 (一)
- 尺度不变特征变换(SIFT)匹配算法详解
- SIFT(尺度不变特征变换匹配)算法详解
- SIFT 尺度不变特征变换匹配算法详解
- 尺度不变特征变换匹配算法详解SIFT
- 尺度不变特征变换(SIFT)匹配算法详解
- SIFT 尺度不变特征变换算法
- SIFT 尺度不变特征变换算法
- SIFT 尺度不变特征变换算法
- 尺度不变特征变换(SIFT算法…
- 尺度不变特征变换(SIFT)算法介绍
- 尺度不变特征变换SIFT
- 尺度不变特征变换SIFT
- 尺度不变特征变换匹配算法详解
- 一名平庸程序员的自白
- PDO实现用户数据的增删改查
- 504gateway time out nginx
- GitHub使用
- 【Android UI】CoordinatorLayout实现带图片可拉伸的Toolbar
- 【CS】尺度不变特征变换匹配算法SIFT
- restful httpclient request中文乱码解决办法
- AsyncHttpClient 源码分析
- 自定义UINavigationBar,出现坐标下移,UINavitionBar半透明效果
- listView一些常用属性
- 关于数据挖掘的something
- iOS 将时间戳转换为可读字符串
- Java核心技术学习整理(二)
- Swipe Views with Tabs